AR+AI智能眼鏡若想實現大眾普及,目前的顯示技術(如DLP、LCoS和MicroLED)卻成為了嚴重的制約因素。

Meta Ray-Ban AI智能眼鏡,以及Rokid、RayNeo、小米等眾多廠商推出的AI眼鏡大獲成功,證明了市場對這類設備存在真實需求。消費者之所以買單,是因為相比以往的嘗試,這一代新品不僅時尚輕便,更以極佳的便捷性融入了日常生活。用戶可以通過語音界面聽音樂、拍照,或是獲取導航指引。

為了讓這些設備更具實用性(甚至成為下一代主流移動計算平臺),下一步的關鍵在于為其加入增強現實(AR)顯示屏。然而,AR+AI智能眼鏡若想實現大眾普及,目前的顯示技術(如DLP、LCoS和MicroLED)卻成為了嚴重的制約因素。

除了功耗高、體積大、制造困難且昂貴之外,這些顯示屏的表現也與人類視覺系統的預期格格不入。如果目標是讓用戶全天候舒適佩戴,這些“人為因素”的痛點必須被解決。

AR+AI智能眼鏡面臨的人因挑戰

目前的DLP、LCoS和MicroLED顯示屏均依賴波導系統。波導是一種纖薄透明的鏡片,利用全內反射原理,將微型顯示屏的光線引導至人眼,從而將數字圖像與真實世界疊加。

這些波導系統通過左右眼各一塊屏幕來生成立體影像,但它們存在一個致命缺陷:需要固定的焦平面,通常固定在距離眼睛約1m遠的深度。這迫使顯示圖像只能在一個特定的深度上自然對齊,極大地限制了需要在不同深度精準定位圖像的應用場景。例如,如圖1所示,許多AR應用(如導航)往往需要在同一畫面中,于不同時間向用戶展示不同深度的提示信息。

圖 1:一個需要在不同深度平面顯示圖像的AR應用場景示例。(來源:Swave Photonics)

當顯示系統只能將圖像投射在單一固定深度時,體驗往往會顯得不自然甚至令人不適。這主要源于著名的輻輳調節沖突VAC(Vergence-Accommodation Conflict)問題。簡單來說,當觀看者預期在某個特定的現實距離(圖2左)看到圖像時,眼睛卻不得不聚焦在屏幕所在的另一個平面上(圖2右)。

VAC不僅會導致惡心、眩暈等不適感,更給需要全天佩戴的設備帶來了巨大挑戰。研究表明,至少需要3個焦平面才能滿足用戶的視覺舒適度,且焦平面越多越好。遺憾的是,對于基于波導的AR顯示器而言,目前尚無切實可行的解決方案來解決這一難題。

圖 2:AR顯示器中VAC示意圖。用戶期待看到的是特定距離的物體(左),但實際上卻聚焦在了顯示屏幕上。兩者之間的差異即為沖突。(來源:Swave Photonics)

處方眼鏡(近視/遠視矯正鏡片)是另一大挑戰。全球近40億人佩戴眼鏡,約75%的成年人需要視力矯正。AR顯示器必須兼容這類用戶,目前的方案通常是在波導系統中額外加入定制的矯正光學元件。這不僅增加了供應鏈的成本、重量和復雜性,也給最終用戶帶來了極大的不便。

要解決上述核心人因工程需求,答案在于全息技術。全息技術由Denis Gabor于1947年發明,與晶體管的發明同年。與使用波導的傳統顯示器截然不同,全息技術并非投射平面圖像,而是重建光的波陣面。因為它重現了真實物體發出的光線,人眼能感知到自然的深度線索并正確聚焦,從而從根源上解決了VAC。

然而,盡管自75年前發明以來,全息技術頻頻出現在科幻電影中,但動態全息顯示卻一直難以真正落地。

為什么動態全息技術如此困難?主要原因在于像素尺寸。視場角(衍射角)與像素尺寸之間存在極強的非線性關系。下圖(圖3)展示了這一關系:一旦像素尺寸小于光的波長,視場角便會迅速增大。這是合理的,因為像素本質上是在操控光束,其尺寸必須小于所操控光的波長才能實現有效的光束轉向。

目前主流顯示技術(DLP、LCoS、MicroLED)的像素尺寸約為2μm,比所需尺寸大了一個數量級。這使得動態全息技術在過去難以實現。

圖 3:紅(640nm)、綠(520nm)、藍(440nm)光波長的視場角與像素尺寸關系。當像素尺寸小于光波長時,視場角迅速增大。(來源:Swave Photonics)

破局:半導體全息調制器

近年來,基于半導體的全息調制器取得了突破,使動態全息技術終于具備了緊湊化的可能。

通過使用相變材料作為像素,人類首次實現了小于光波長的像素尺寸(圖4)。這種材料通過快速加熱,能在晶態和非晶態之間切換,從而改變其折射率等光學特性。相變材料早已被廣泛用于可重寫DVD或嵌入式非易失性半導體存儲器中。

因此,這些相變納米像素可以采用標準的CMOS晶圓代工工藝制造。這使得動態全息顯示器不僅成本極低,且具備極佳的可擴展性——這是一種結合了光子學技術與CMOS半導體經濟性的方案。

圖 4:采用250nm相變納米像素的動態全息顯示器。(來源:Swave Photonics)

全息顯示器利用計算衍射來形成圖像,它用光學復雜性換取了計算能力,從而得以利用摩爾定律的紅利。全息技術能實現真正的3D圖像定位和動態景深控制,無需額外的光學元件即可解決VAC和視力矯正問題。

如今,數億甚至數十億個相變納米像素已能集成在一枚微型CMOS芯片上。這些動態全息顯示器能夠以高光效、超薄外形和低功耗,呈現出人眼視覺系統所期待的真實3D影像——這正是AI+AR智能眼鏡實現大眾普及的關鍵所在。

(原文刊登于EE Times美國版,參考鏈接:Why Today's AR Displays Fall Short and a 75-Year-Old Idea May Help,由Franklin Zhao編譯。)

本文為《電子工程專輯》2026年5月刊雜志文章,版權所有,禁止轉載。免費雜志訂閱申請點擊這里

責編:Franklin
本文為EET電子工程專輯原創文章,禁止轉載。請尊重知識產權,違者本司保留追究責任的權利。
閱讀全文,請先
您可能感興趣
前不久思特威展示了microLED高速光互連原型樣機——這可能是未來AI數據中心的另一種高速互連解決方案雛形。這究竟是種什么樣的技術?我們采訪了思特威...
Counterpoint預測,2026年全球折疊屏智能手機面板訂單將增長約24%,其中蘋果預計將占據29%的份額,僅次于三星的31%。
此次擴建的時間點恰好對上2027-2028年蘋果折疊iPhone、20周年版iPhone的備貨節奏,設備2027年陸續到位后,有望率先承接新機型面板訂單。
對SpaceX而言,收購Mesh是強化其大規模算力集群競爭力的關鍵舉措。
富信科技此輪股價暴漲,與CPO(共封裝光學)及光通信概念的熱度密切相關。
從產業鏈看,物理AI可分為感知、決策、執行三大環節。目前全球及國內已涌現出一批代表性玩家。在國內,海清智元卡位多光譜感知層……
“通用處理器”這一術語一直被廣泛用于描述可運行各類軟件工作負載的CPU。在現代基于Arm架構的系統級芯片(SoC)領域,這一稱謂仍被廣泛使用,但隨著系統復雜度不斷提升,我們有必要追問:這類器件在實際應用中,究竟有多“通用”?
隨著AI基礎設施分化為多層專用架構,CPU正成為智能體工作負載的編排層。
本屆WAIC期間,《2026全球AI商業落地價值洞察報告》重磅發布,并在大會的兩大高規格論壇上進行了重點展示。作為大會最受關注的產業研究成果之一,這份報告以“從技術爆發到價值兌現”為主線,系統梳理了全球AI產業的競爭格局與商業落地路徑。 镕銘微電子憑借在VPU賽道上的開創性地位與規?;虡I落地能力,成功入選該報告的兩大核心榜單,與全球及國內頂尖科技企業同臺亮相。
NVIDIA?已驗證?ST?的?12?kW?電源傳輸概念驗證板,實際上已進入生產測試階段。
7月22日,在2026中國汽車論壇上,中國汽車工業協會副會長兼秘書長付炳鋒表示,當前全球汽車產業格局深度調整,發展環境更加復雜多變,汽車行業既面臨低碳新規、地緣政治帶來的外部沖擊,也遭受國內競爭加劇、
作者簡介 PROFILE陳杰擼起袖子加油“GaN”氮化鎵晶體管內部構造簡介GaN 氮化鎵晶體管(HEMT)的基本結構如下圖1所示,以 GaN/AlGaN 異質結為主體,在AlGaN/ GaN
點擊上面↑“電動知家”關注,記得加☆“星標”!電動知家消息,近日,2025年度國家科學技術獎正式揭曉,浙江極氪智能科技有限公司等單位聯合完成的"一體化壓鑄用免熱處理強韌化鋁/鎂合金材料及應用技術"項目
點擊藍字 關注我們SUBSCRIBE to USImage Credits:Google谷歌母公司Alphabet正在自研一款全新服務器芯片,用以提升自研大模型Gemini的運行能效。科技媒
2026年,AI大模型正將算力需求推向指數級增長。萬卡級集群正向十萬卡邁進,而傳統銅互連在帶寬、延遲和功耗上已逼近物理極限——一臺十萬卡AI集群中,超三成電力并非用于計算,而是消耗在數據傳輸上?!肮膺M
韓國無晶圓廠系統半導體公司Global Technology Co., Ltd.(簡稱GT)7月21日宣布,已于20日獲得韓國交易所(KRX)KOSDAQ市場上市預備審查批準,主承銷商為韓國投資證券。
近期,聚燦光電(300708)、創維光顯、鴻佳電子披露產能關鍵節點:聚燦光電紅黃光砷化鎵項目一階段接近滿產,創維光顯武漢基地163英寸Mini LED拼接屏產線滿負荷運行,鴻佳電子鹽城基地二期Mini
近日,四川經濟網披露成都京東方顯示科技有限公司《G8.6產線升級改造項目》環境影響報告書,公司擬針對B19工廠進行升級改造,進一步增大面板尺寸以及提升屏幕刷新率和透過率等規格。據悉,成都京東方顯示科技
AI先進封裝賽道爆發 聯電深耕TGV玻璃基板RDL制程卡位下一代半導體封裝商機為何TGV玻璃基板封裝成為下一代AI先進封裝核心趨勢?AI算力爆發推動先進封裝技術快速迭代,后摩爾時代半導體封裝持續升級。
點擊藍字 關注我們SUBSCRIBE to USNavid Anjum Aadit, Xiuqi Zhang, et al.概率計算機未來有望高效處理大量傳統計算機難以攻克的復雜問題,同時還